Architecture Course Home / Дополнительные материалы / Tactics-based опросник атрибутов качества

Performance опросник

Целью опросника повышения производительности является создание реакции на события, поступающие в систему при некотором ограничении по времени или ресурсам. Событие может быть отдельным событием или потоком и является триггером для выполнения вычислений. Опросник производительности контролирует время или ресурсы, используемые для генерации ответа

Группа вопросовВопросПоддерживается? Y/NРискиДизайнерские решения и расположениеОбоснование и предположения
Контроль требуемых ресурсов





Есть ли у вас соглашение об уровне обслуживания (SLA), определяющее максимальную скорость поступления событий, которую вы готовы поддерживать?

Увеличение скорости поступления событий выше прогнозируемого порога заставит поступившие события встать в очередь на обработку, тем самым увеличится latency обработки сообщений





Может ли система семплировать поступающие в неё сообщения?

В тех случаях, когда система не может гарантировать адекватное время ответа, вы можете уменьшить частоту дискретизации стимулов — например, скорость получения данных от датчика или количество обрабатываемых видеокадров в секунду. Конечно, ценой, которую здесь приходится платить, является точность видеопотока или информации, которую вы собираете из данных датчиков.





Как система будет ограничивать ответ (объем обработки) на поступившее событие?

В тех случаях когда система не может гарантировать время ответа, вы можете выставить максимально время обработки сообщений, а те события которые превышают это время можно просто отбросить.





Приоритезирует ли ваша система поступающие в неё запросы?

Если не все события одинаково важны, вы можете применить схему приоритетов, которая ранжирует события в соответствии с тем, насколько важно их обслуживать. Если для их обслуживания недостаточно ресурсов события с низким приоритетом могут игнорироваться.





Можете ли вы снизить косвенность во благо производительности?

Большие цепочки обращений снижают производительность системы. Часто этот подход вредит модифицируемости.





Можно ли в вашей системе ограничить время выполнения запроса?

На data intensive приложениях качество вычисляемых данных часто зависит от количества итераций или объема обработанных данных. Снижение точности как правило увеличивает производительность.





Можете ли вы повысить эффективность вычислений за счет выбора алгоритмов?

Один из возможных подходов в повышении производительности, как не странно, будет оптимизация алгоритмов обработки.





Управление ресурсами

Можете ли вы выделить больше ресурсов системе или ее компонентам?

Эта тактика сильно пересекается с тактиками масштабирования. При выборе ресурсов обычно учитывается стоимость, но увеличение ресурсов во многих случаях является самым дешевым способом немедленного улучшения.





Могут ли вычисления быть реплицированы на разных ресурсах?

Реплицированные сервиса в микросервисной архитектуре или реплицированные веб-серверы в пуле серверов являются примерами реплик вычислений.





Можно ли кэшировать данные (чтобы сохранить локальную копию, к которой можно быстро получить доступ) или реплицировать (чтобы уменьшить конфликты)?

Репликация данных предполагает хранение отдельных копий данных, чтобы уменьшить конфликты из-за множественного одновременного доступа. Поскольку реплицируемые данные обычно представляют собой копию существующих данных, поддержание согласованности и синхронизации копий становится обязанностью, которую должна взять на себя система.





Вы используете параллелизм ? Если запросы могут обрабатываться параллельно, время блокировки можно сократить.



Используете ли вы шардирование как часть тактики параллелизма?

Шардирование данных позволяет организовать неконкурентный доступ различных частей системы.





Оригинал на wiki